пїњ

—»Ќ“≈« —»—“≈ћЌќ- ќ√Ќ»“»¬Ќќ… ћќƒ≈Ћ» ѕ–»–ќƒЌќ-Ё ќЌќћ»„≈— ќ… —»—“≈ћџ, ≈≈ »—ѕќЋ№«ќ¬јЌ»≈ ƒЋя ѕ–ќ√Ќќ«»–ќ¬јЌ»я » ”ѕ–ј¬Ћ≈Ќ»я ¬ «≈–Ќќ¬ќћ ѕ–ќ»«¬ќƒ—“¬≈ („ј—“№ 3 Ц ѕ–ќ√Ќќ«»–ќ¬јЌ»≈ » ѕ–»Ќя“»≈ –≈Ў≈Ќ»…)

6
”ƒ  347
UDC 347
—»Ќ“≈« —»—“≈ћЌќ- ќ√Ќ»“»¬Ќќ» SYNTHESIS OF SYSTEM-COGNOTIVE
ћќƒ≈Ћ» ѕ–»–ќƒЌќ-Ё ќЌќћ»„≈— ќ… MODELS OF A NATURAL-ECONOMIC
—»—“≈ћџ, ≈≈ »—ѕќЋ№«ќ¬јЌ»≈ ƒЋя SYSTEM, ITS USE FOR FORECASTING AND
ѕ–ќ√Ќќ«»–ќ¬јЌ»я » ”ѕ–ј¬Ћ≈Ќ»я ¬ MANAGEMENT IN GRAIN PRODUCTION (4
«≈–Ќќ¬ќћ ѕ–ќ»«¬ќƒ—“¬≈ (4 часть - part - the research of the object of simulation
исследование объекта моделировани€ путем through the study of its model)
исследовани€ его модели)
Ћуценко ≈вгений ¬ениаминович д.э.н., к.т.н., профессор  убанский государственный аграрный университет, –осси€, 350044,  раснодар,  алинина, 13, уго{\иџепко(д).1гта1\. сот
Lutsenko Evgeny Veniaminovich
Dr.Sci.Econ., Cand.Tech.Sci., professor
Kuban State Agrarian University, Krasnodar, Russia
√орпинченко  сени€ Ќиколаевна к.э.н., доцент
 убанский государственный аграрный университет, –осси€, 350044,  раснодар,  алинина, 13, кнџащЃ.mail.ni
Gorpinchenko Ksenia Nikolaevna, assistant professor
Kuban State Agrarian University, Krasnodar, Russia, kubkns(a\mail. ru
ѕроведено исследование системно-когнитивной In this article, the authors have conducted a survey of
модели дл€ прогнозировани€ и поддержки the system-cognitive model for forecasting and support
прин€ти€ управленческих решений по выбору of decision-making of the choice of agricultural
агротехнологий производства зерна, technologies in the production of grain, providing the
обеспечивающих с высокой веро€тностью desired economic, energetic, financial and economic
желаемый хоз€йственный, энергетический, results with high probability
финансово-экономический результат
 Ћј—“≈–Ќќ- ќЌ—“–” “»¬Ќџ… јЌјЋ»«,  Ћј——, ‘ј “ќ–, Ќ≈Ћќ јЋ№Ќџ… Ќ≈…–ќЌ, «≈–Ќќ
 лючевые слова:
Keywords: CLUSTER AND CONSTRUCTIVE ANALYSIS, CLASS, FACTOR, NON- LOCAL NEURON, GRAIN
ƒанна€ стать€ €вл€етс€ продолжением работ [4-6] и посв€щена решению исследованию моделируемой системы путем исследовани€ ее ранее созданных моделей.
 ластерно-конструктивный анализ классов и факторов
 ластерно-конструктивный анализ - это математический метод анализа данных, обеспечивающий: вы€вление классов, наиболее сходных по системе их детерминации и объединение их в кластеры; вы€вление кластеров классов, наиболее сильно отличающиес€ по системе их детерминации и построение из них полюсов конструктов классов, при этом остальные кластеры включаютс€ в конструкты в качестве промежуточных между полюсами; вы€вление факторов, наиболее сходных по детерминируемыми классам и объединение их в кластеры; вы€вление кластеров факторов, наиболее сильно отличающиес€ по детерминируемым ими классам и построение из них полюсов конструктов факторов, остальные кластеры включаютс€ в конструкты в качестве промежуточных между полюсами [3].
—осто€ни€ объекта управлени€, соответствующие классам, включенным в один кластер, могут быть достигнуты одновременно, т.е. €вл€ютс€ совместимыми (коалиционными) по детерминирующим их факторам. —осто€ни€ объекта управлени€, соответствующие классам, образующим полюса конструкта, не могут быть достигнуты одновременно, т.е. €вл€ютс€ противоположными по детерминирующим их факторам (антагонистическими).
‘акторы, включенные в один кластер, оказывают сходное вли€ние на поведение объекта управлени€ и могут, при необходимости, быть использованы дл€ замены друг друга. ‘акторы, образующие полюса конструкта, оказывают противоположное вли€ние на поведение объекта управлени€.
 ластерно-конструктивный анализ классов позвол€ет сравнить их по сходству системы детерминации и отобразить эту информацию в графической форме семантической сети классов.
¬ результате работы режимов кластерно-конструктивного анализа системы ЂЁйдосї формируютс€ матрицы сходства классов и значений факторов и семантические сети. Ќа рисунке 1 представлена семантическа€ сеть, отображающа€ степень
сходства классов по системе детерминирующих их значений факторов.
» „»—“ќ… Ё‘‘≈  ?Ћ«Ђ, '.…»…
>
ќтношени€ схоќст…а:
различи€:
—ила св€зи - толщина линии
 -“ „»—“ќ… Ё‘‘≈ 
т1Ѓюст-+ч-Ђ.й !!Ђ*, Ќ.4ќƒ
7>
 -“ „»—“ќ… 5'5'1'≈  “ѕ¬Ќ0—“Ќ-1.„4J.M
урошййность, ilt
Ў^-^я.«»…ћ
«….ћ50й|3
”–ќ∆Ќќ—“№. п/г
й^-эд ьэми
”–01»……Ќ0—“&, LLT …-в/4-(|1.7»0ї . 5*.я75»в0>
”–ќћйЌќ—“№. ћ €ч^-а1Ћ5йћ0 . :?.10йє0в}
”–ќ¬≈Ќ№ –≈Ќ“…≈≈Ќ№ Ќ0—“1< (…џ“ќ„ЌЎ
и; м^-заш
1820, Ќ.13»5Ѕ9>
”–ќ¬≈Ќ№ –≈Ќ“…≈≈|1№
ностн (Ђюдевст є
Ў, 53 352^3^'=:^
”–ќ¬≈Ќ№ –≈Ќ“…≈≈ј№ Ќќ—“ћ (”^џ“ќ„Ќќ—“ ») M4-<St.35i 63!1 102
”–ќ¬≈Ќ№ PEHTriSEilb ЎЌ ”Ѕџ“ќ„Ќќ:"
и). z-iM-mtst
tfW; ÷б.31–353
ѕ–ѕ–…ў≈Ќ»≈ ЁЌ≈–√ »», √јЎ/√й-^-а
а.едок, йш
S7500}
Copyright (с) Scientific 8 industrial enterprise AIDOS, Russia, 1981-2001. Russian Patent No 940217. fill lights Reserued.
2D - —≈ћјЌ“»„≈— јя —≈“№  Ћј——ќ¬
–исунок 1 - —емантическа€ сеть классов
»з рисунка 1 видно, что низка€ урожайность имеет высокую степень сходства с низким значением чистой эффективности и низким уровнем рентабельности. ¬ то же врем€ высока€ урожайность имеет высокую степень различи€ с минимальным значением коэффициента чистой эффективности.
CopyRight (с) Scientific 8. industrial enterprise AIDOS, Russia, 1981-1997. Russian Patent No 940217. All Rights Reserued.
2D - —≈ћјЌ“»„≈— јя —≈“№ ѕ–»«Ќј ќ¬
—ќƒ. ¬Ћ…√» 8 —Ћќ≈ ѕќ„¬џ 0-169 —ћ
є п-д тл€м —ѕ №1., ни
3/4-<120 .0500000, 158.8750906)
—ќ* MWU ¬ —Ћќ≈
почвы 0-200 см Ќ* ѕ-ƒ  —. Ѕ≈√.г
мн
VA-im. 0600663, 3* 7^0669)
ѕ–≈ƒЎ≈—“¬≈ЌЌ» 
^ак?рназ свекпи
—ќƒ. ¬Ћя√» Ѕ —√10≈ “ќ„¬» в-»* —ѕ Hfi √!-а ≈№ёјй ¬ Th'IziEKLH, мм ttW-iiB .3369666, 1+5 .3150000)
—ќƒ-≈ ЅЋя√» Ѕ —ѕ ст павы 6-19 си Ќ… ѕ≈–»ќƒ —≈Ѕя, ћћ
3/4-<12.2009000, √ .9590059)
—ќƒ. ЅЋя√» Ѕ —Ћќ≈ ѕќћЅџ 0-100 —ћ Ќя IV ƒ яЎ… Ѕ
трубка, мм
ј/ј-'Ћј'} 5159900,
J98.7696996)
—ќƒ. ћ»Ќ. я«ќ“… Ѕ –¬≈ ¬ VRU Ѕџ  . –…—1. | “–”Ѕ ”
, мг/кг
A/A-i2A .9259969, ї.8009965:
—ќƒ. Ѕѕя√» ¬ —Ћќ≈ √ 1„*џ 9-299 —ћ Ќ… ѕ≈–ўƒ Ћ≈…, ћ ћ
єє<135 .7500099, 228.3759999)
—ќƒ. ¬Ћј√» Ѕ —Ћќ≈ ѕ0„1џ 9-30 —√ Ќ я ѕ-ƒ Ђ—Ќџ I I –”Ѕ ”, Щ
3/4-<39 S596099. 54.1750999*
—ќƒ-≈  …Ћ»я ¬ 9-30 —ћ —……≈ ѕ0„Ѕџ ÷… Ќя„.— ¬≈—. EF √., ћ√/ √ 2/4-H42 .5066999, 115 .000…0…>
ѕ–≈ƒЎ≈—“¬≈ЌЌ» 
гоЩ
зйтр€ты н€ удобр:
Ў», —”Ѕ.Ћй
1.-„-<553 .7520000, 3<if9 .4470Ђ0>
ќгноиени€ схобст…а:
различи€:
—ила с…€зи - толщина линии
–исунок 2 - —емантическа€ сеть признаков
–исунок 2 свидетельствует о сходстве (различии) по силе и направлению вли€ни€ факторов на поведение объекта управлени€ (природно-экономической системы). “ак, предшественник горох имеет высокую степень сходства с минимальными затратами на удобрени€, высоким содержанием влаги в почве.
—одержательное сравнение классов и факторов
”читыва€, что семантические сети классов и признаков отображают только сходство и различие, но при этом структура каждой св€зи содержательно не раскрываетс€.
—одержательное сравнение классов и факторов осуществл€етс€ с помощью когнитивной диаграммы, котора€ показывает какие значени€ и какой вклад внос€т в сходство-различие классов и факторов.
 огнитивные диаграммы представл€ет собой графическое изображение обобщенного коэффициента коррел€ции профилей классов (или факторов), при этом кажда€ лини€, внос€ща€ вклад в сходство (различие) соответствует одному слагаемому, ее цвет - знаку, а толщина - модулю этого слагаемого.
Copy Right (с) Scientific й n^da^trtail enter prise AI3єS, Russia, 1331-20ќ1 Russian Patent Ho 34021V. Oil rights Reserued.
 ќ√Ќ»“»¬Ќџ≈ ƒ»ј√–јћћџ  Ћј——ќ¬ –ј—ѕќ«Ќј¬јЌ»яi
[281-”–ќ¬≈Ќ№ –≈Ќ“јЅ≈Ћ№Ќќ—“» (”Ѕџ“ќ„Ќ
ш
л
с
с
з
1
ј
I
√—
3
а
√г
Ќаимено№.признакоо:
ѕ–≈ƒЎ1√“–≈»Ќћ 
Ё—ѕЁ–÷.е“
«ј“–ј“џ —ќ¬ќ ”ѕЌќ… ЁЌ≈–√»».. √ A Hi /√й
1/4-<14 .1000000. 19 .2ќќ0000>
—–. “≈ћѕ. Ќ… ѕ≈–»ќƒ Ѕ≈— .-Ћ≈“Ќ≈… Ѕ≈√... —
4/4 "<17 .1000000 .- 17 .5000000)*
—–. “≈ћѕ. «… ѕ-ƒ ќ“  ќЋќЎ≈Ќ»я јќ —ќ«–≈¬јЌ»я
3/4-<20 .950ќ000, 21.47500ќ0>
—ќј. ¬Ћј√» Ѕ —Ћќ≈ ѕи„Ѕџ 0-30 —ћ
Ќн ѕ-ј ¬≈—. Ѕ≈√... ћћ
4/4 -<72 .250ќ000 - 94 .70ќ00ќ0>
—ќј. ¬Ћј√» ¬ —Ћќ≈ ѕЎ„Ѕџ 0-100 —
ћ Ќн ѕ-ј —≈¬ј, ћћ
1/4-<10 .5000000, 62 .5000000)*
—ќј. ћ»Ќ.ќ ј«ќ“ј Ѕ ѕќ„¬≈ Ќ… Ќ…„…
Ћќ ¬≈—. ¬≈√ .», ћ√/ √
1/4-<6 .2000000.. 12 .2500000;:-
—–. “≈ћѕ. Ќ… ѕ≈–»Ўј ќ—≈Ќ. BI …»»», —
4/4 "<12 .6500000 - 13 .6000000)*
ѕризнаки: 1-191
K0R=50.98x
[48]-0 ”ѕј≈ћ0—“№ ”ƒќЅ–≈Ќ»… «≈–Ќќ Ќаименой.признакой:
ќтношени€ схобст&а:
јќ«н ”ƒќЅ–≈Ќ»… средн€€ аоза Ќ 
—ќј. ћ»Ќ. …«ќ“… Ѕ ѕќ„Ѕ≈ Ѕ ‘…«”  ќЋќЎ., ћ√.-' √
4/4-<17 .2750000, 22 .ќќќќќќќ)*
ѕ–≈ƒЎ≈—“¬≈ЌЌ» 
эспарцет
—ќј. ћ»Ќ.ќ …«ќ“… Ѕ ѕќ„Ѕ≈ Ќ… Ќ…„…
Ћќ ¬≈—. ¬≈√ .», ћ√/ √
3/4У<18 .3000000, 24 .3500000)
—ќј. ¬Ћ…√» Ѕ —Ћќ≈ ѕЎ„Ѕџ ќ-100 —
ћ Ќ… ѕ-ј ¬≈—. Ѕ≈√... ћћ
2/4-<104 .0000000, 177 .1000000)-
—–. “≈ћѕ. Ќ… ѕ≈–»Ўј Ў—≈Ќ. Ѕ≈√≈“ …»»», с
1/4 -<9 .8000000 .. 10 .7500000)*
—–. “≈ћѕ. «й ѕ-ј Ў“  ЎгёЎ≈Ќ»я јќ —Ў«–≈¬…Ќ»я
2/4-<20 .425ќ000, 20 .950ќ00ќ>
—Ўј. ¬Ћ…√» Ѕ —ЋЎ≈ ѕЎ„Ѕџ Ў-30 —ћ
Ќ… ѕ-ј ¬≈—. Ѕ≈√... ћћ
4/4-<72 .2500000, 94 .7ќ0000ќ>
ѕризнаки: 1-141
различи€:
—иле с&€зи - толщина линии
–исунок 3 -  огнитивна€ диаграмма двух классов: Ђ”ровень рентабельности, % - 4/4ї и Ђќкупаемость удобрений зерном - 4/4ї
–ассматрива€ когнитивную диаграмму двух классов (”ровень рентабельности, %-4/4 и окупаемость удобрений зерном- 4/4) на рисунке 3, видно, что основной вклад в сходство этих двух состо€ний вносит предшественник эспарцет. Ќо на этом их сходство заканчиваетс€.
≈сли сравнивать когнитивные диаграммы максимальных значений урожайности и коэффициента чистой эффективности (рисунок 4), при этом исключив природные факторы, то данные состо€ни€ сходны по предшественнику
Copy Right (с) Scientific й n^da^trtal enter prise AI3єS, Russia, 1331-20ќ1 Russian Patent Ho 34021V. Oil rights Reserued.
 ќ√Ќ»“»¬Ќџ≈ ƒ»ј√–јћћџ  Ћј——ќ¬ –ј—ѕќ«Ќј¬јЌ»яi
[41-yPQKј»Ќќ— “№, ÷/√ј-4^4- {65.4750000 Ќаимсно&.при знаков:
з
ь
и
5
I
Q.
Ў
ь
ш

а
к


з
а

tf
й
ё
я
0 с
1 X |ѕ I
0
1
II
с
ѕ–≈ƒЎ≈—“¬≈ЌЌ» 
эспарцет
јќ«… ”јЎЅ–≈Ќ»й повышенна€ аоза NPK
ѕ–≈ƒЎ≈—“¬≈ЌЌ» 
горок
ѕ–≈ƒЎ≈—“¬≈ЌЌ» 
санарна€ свекла
јќ«… ”ƒќЅ–≈Ќ»… минимальна€ аоза Ќ– 
ѕ–≈ƒЎ≈—“¬≈ЌЌ» 
кукуруза на зерно
јќ«… ”ƒќЅ–≈Ќ»… среан€€ ≈<оза Ќ 
јќ«… ”ƒќЅ–≈Ќ»… неуаобренный
ѕризнаки: 1-15
ќтношени€ схобстба:
 оп=1  пп=5 1=0 .35Bit
I =6.07;-:
 0ѕ=2  ѕѕ=9 1=0 .29Bit 1=5 .11/
 оп=1  пп=1 1=0 .25Bit 1=4.44;-:
 оп=1  ѕѕ=4 I = Ч0 .31Bit I = -5.45;*:
 оп=2  ѕѕ=7 I = - 0 ,37BiT i=-6.47;*:
 ќѕ=1  пп=2 I = - 0 .50Bit i=-8.7o;*:
 оп=2  пп=10 I = Ч0 .50Bit 1 = -8.77 ”.
 0ѕ=2  ѕѕ=8 I = Ч0 .96BiT I = -16 .92/
√363- -√ „»—“ќ… Ё‘‘≈ “»¬Ќќ—“»-4^ K0Ri-33.04/< Ќаимено&.признакой;
различи€:
 ќѕ=2  ѕѕ=7 1=0 .75BiT 1=13 .21/
 оп=1  пп=1 1=0 .63Bit I =10 .99/
 оп=2  пп=13 1=0 .44Bit 1=7 .67/
 оп=3  ѕѕ=14 1=0 .13Bit I =2 .20/
 оп=3  ѕѕ=15 I = - 0 .19Bit 1 = -3 .35/
јќ«… ”ƒќЅ–≈Ќ»… минимальна€ аоза Ќ– 
ѕ–≈ƒЎ≈—“¬≈ЌЌ» 
горок
јќ«н ”ƒќЅ–≈Ќ»… среан€€ аоза – 
—≈¬ќќЅќ–ќ“
зернопропашный
—≈¬ќќЅќ–ќ“
«ернотрав€нопропашный
ѕризнаки: 1-15
—ила сб€зи - толщина линии
–исунок 4 -  огнитивна€ диаграмма двух классов: Ђ”рожайность, % - 4/4ї и Ђ оэффициент чистой эффективности -
 огнитивна€ диаграмма (рисунок 5) содержательно отображает в графической форме сходство и различи€ двух признаков. “ак, внесении предшественников горох и эспарцет детерминируют получение высоких значений чистого дохода на 1 га, уровн€ рентабельности, коэффициента энергетический эффективности.
CopuRight (с) Scientific 8 industrial enterprise AIDOS, Russia, 1981-2001. Russian Patent Ho 940217. All mghts Reserued.
 ќ√Ќ»“»¬Ќџ≈ ƒ»ј√–јћћџ признаков:
!i]-ѕ–≈ƒЎ≈—“¬≈ЌЌ»  [1 ]-ѕ–≈ƒЎ≈—“¬≈ЌЌ» 
[11T0PGH [51-Ё—ѕ…–»≈“
–исунок 5 -  огнитивна€ диаграмма признаков: Ђѕредшественник горохї и Ђѕредшественник эспарцетї
Ќаиболее значимые коэффициенты коррел€ции получены между урожайностью и чистым доходом на 1 га, урожайностью и приращением энергии, показател€ми качества и стоимостью зерна, чистым доходом и приращением энергии.  асательно признаков - между предшественниками горох, эспарцет и максимальным содержанием влаги на период сева, содержанием фосфора, кали€, азота в фазу колошени€
Ќелокальные нейроны и интерпретируемые нейронные сети
»зучение системы детерминации состо€ний моделируемого объекта возможно на основе построени€ нелокальных нейронов и интерпретируемых нейронных сетей.
______“аблица 1 - ћодели нелокальных нейронов___________________________
Ќаименование ћодель нелокального нейрона
нейрона
—одержание клейковины, % - 4/4 -(25,9-30,4)
CopuRight (с) Scientific ft industrial enterprise AIDOS, Russia, 1373-2003. Russian Patent Mo 940217. All Rights Reserued.
2D - ћќƒ≈Ћ№ Ќ≈Ћќ јЋ№Ќќ√ќ Ќ≈…–ќЌј:
[121 - —ќƒ≈–∆јЌ»≈  Ћ≈… ќ¬»Ќџ,/.-4/4-{25.90000ќ0, 30.4ќ0ќ000>
|¬озбужбвние: “орможение: | |¬ес с&€зи - толщина линии
Ќелокальный нейрон представл€ет собой будущее состо€ние объекта управлени€ с изображением наиболее сильно вли€ющих на него факторов с указанием силы и направлени€ (способствует-преп€тствует) их вли€ни€ [3]. Ќекоторые нелокальные нейроны представлены в таблице 1. “ак, из модели нейрона: Ђсодержание клейковины - 4/4 - (25,9; 30,4)ї видно, что дл€ получени€ зерна с высоким содержанием клейковины большое вли€ние оказывают природные факторы: незначительное количество осадков на период осенней вегетации (124-165 мм); хорошо увлаженный слой почвы 0-10 см на период колошени€ (31,4-28,5 мм): достаточно высокое содержание минерального азота в фазу колошени€ и полной спелости. ¬ то же врем€ преп€тствует этому состо€нию - большое количество осадков на период сева, высокий температурный режим.
ƒл€ наибольшего значени€ окупаемости удобрений зерном с большой силой вли€ни€ способствует средн€€ доза удобрений є—, предшественник эспарцет, значительное содержание питательных веществ (кали€ и азота) в фазу колошени€ и выхода растений в трубку, низкие производственные затраты.
ћодель нелокального нейрона: Ђкоэффициент отношени€ полученной и затраченной энергии - 4/4ї свидетельствует о том, что получение максимального значени€ данного показател€ возможно, если в качестве предшественника использовать горох, при минимальных дозах удобрений  – , хорошо увлажненном слое почвы 0-100 см в период полной спелости и выхода растений в трубку, небольшом содержании кали€ в почве в период весенней вегетации и выхода растени€ в трубку.
Ќейронна€ сеть представл€ет собой совокупность взаимосв€занных нейронов. ¬ классических нейронных сет€х св€зь между нейронами осуществл€етс€ по входным и выходным сигналам, а в нелокальных нейронных сет€х - на основе общего информационного пол€, реализуемого семантической информационной моделью.
—истема ЂЁйдосї обеспечивает визуализацию любого подмножества многослойной нейронной сети с заданными или выбираемыми по заданным критери€м рецепторами и нейронами, св€занными друг с другом св€з€ми любого уровн€
¬озбуждение:
“орможение:
¬ес сб€зи - толщина линии, показаны =>8
CopuRight (с) Scientific & industrial enterprise AIDOS, Russia, 1979-2003. Russian Patent No 940217. All Rights Reserued.
ѕј–≈““ќ-ѕќƒћЌќ∆≈—“¬ќ Ќ≈Ћќ јЋ№Ќќ… Ќ≈…–ќЌЌќ… —≈“» ќтображено 15.48’ значимых синаптических сб€зей. «адание N 1
<=  ќƒџ Ќ≈…–ќЌќ¬: U, 0} =>
<=  ќƒџ –≈÷≈ѕ“ќ–ќ¬: U, 191} =>
–исунок 6 - ѕаретто-подмножество нелокальной нейронной сети
Ќа рисунке 6 отражено паретто-подмножество нелокальной нейронной сети урожайности и содержани€ белка в зерне. ћинимальна€ урожайность зерна имеет высокую степень сходства с низким содержанием азота на начало весенней вегетации, низкими производственным затратами, неудобренным вариантом.
 огнитивные функции
 огнитивные функции или функции вли€ни€ представл€ет собой график зависимости веро€тностей перехода объекта управлени€ в будущие состо€ни€ под вли€нием различных значений некоторого фактора [1,2].
≈сли вз€ть несколько информационных портретов факторов, соответствующих градаци€м одной описательной шкалы, отфильтровать их по диапазону градаций некоторой классификационной шкалы и вз€ть из каждого информационного портрета по одному состо€нию, на переход в которое объекта управлени€ данна€ градаци€ фактора оказывает наибольшее вли€ние, то мы и получим зависимость, отражающую веро€тность перехода объекта управлени€ в будущие состо€ни€ под вли€нием различных значений некоторого фактора, т.е. функцию вли€ни€. ‘ункции вли€ни€ €вл€ютс€ наиболее развитым средством изучени€ причинно-следственных зависимостей в моделируемой предметной области, предоставл€емым системой ЂЁйдосї. Ќеобходимо отметить, что на вид функций вли€ни€ математической моделью — -анализа не накладываетс€ никаких ограничений, в частности, они могут быть и нелинейные.
Ќа основании анализа функций вли€ни€, приведенных в таблице 2, можно сделать общий вывод о том, что увеличение доз удобрений положительно сказываетс€ на повышении показателей природно-экономической системы. “ак, наибольшее значение урожайности, содержани€ клейковины, чистого дохода на 1 га отмечено при повышенных и высоких дозах  – .
ƒостаточно большое вли€ние на изменение урожайности оказали предшественники озима€ пшеница, эспарцет, на содержание клейковины - сахарна€ свекла и эспарцет, на чистый доход на 1 га и коэффициент полученной и затраченной энергии - кукуруза на зерно.
Ётот вывод совпадает с экспертными оценками. ќднако его ценность состоит в том, что в отличие от экспертных оценок, он €вл€етс€ строгим количественным выводом, сделанным путем исследовани€ многоуровневой семантической
“аблица 2 - ‘ункции вли€ни€ некоторых признаков на природно-экономическую систему
—одержание
клейковины,
ѕоказатель природно-экономич еской системы ______(класс)______
‘ункци€ вли€ни€
–азличных доз удобрений
ѕредшественников
”рожайность, ц/га
ѕродолжение таблицы 2
ѕоказатель природно-экономи ческой системы ______(класс)_____
‘ункци€ вли€ни€
–азличных доз удобрений
ѕредшественников
„истый доход на 1 га, руб.
 оэффициент
чистой
энергетической
эффективности
созданной с использованием большого объема эмпирической информации.
»сследование других когнитивных функций подтверждают выводы касательно информационных портретов классов.
ѕостроение классических когнитивных моделей
 лассические когнитивные карты €вл€ютс€ графической формой представлени€ фрагментов —»ћ, объедин€ющей достоинства таких форм, как нейроны и семантические сети факторов.  лассическа€ когнитивна€ карта представл€ет собой нейрон, соответствующий некоторому состо€нию объекта управлени€ с рецепторами, каждый из которых соответствует фактору в определенной степени способствующему или преп€тствующему переходу объекта в это состо€ние. –ецепторы соединены св€з€ми как с нейроном, так и друг с другом. —в€зи рецепторов с нейроном отражают силу и направление вли€ни€ факторов, а св€зи рецепторов друг с другом, отображаемые в форме семантической сети факторов, - сходство и различие между рецепторами по характеру их вли€ни€ на объект управлени€.
“аким образом, классическа€ когнитивна€ карта представл€ет собой нейрон с семантической сетью факторов, изображенные на одной диаграмме (рисунок 7). »з рисунка 7 видно, что средн€€ доза є—, минимальные производственные затраты и затраты на удобрени€, минимальное содержание фосфатов в фазу выхода растений в трубку способствуют переходу объекта управлени€ в состо€ние наибольшей окупаемости удобрений зерном и преп€тствуют ему - минимальное содержание азота на начало весенней вегетации, высокий температурный режим в течение года.
св€зь >0:
- св€зь <0:
¬ес св€зи - толщина линии, показаны =>4
CopuRight (с) Scientific & industrial enterprise AIDDS, Russia, 1979-2007. Russian Patent Mo 940217. All Rights Reserued. »Ќ“≈√–јЋ№Ќјя  ќ√Ќ»“»¬Ќјя  ј–“ј: «јƒјЌ»≈ N 48 ( —≈ћјЌ“»„≈— »≈ —≈“» Ќ≈…–ќЌќ¬ » –≈÷≈ѕ“ќ–ќ¬ — Ќ≈…–ќЌЌќ… —≈“№ё ) —емантическа€ сеть Ќ≈…–ќЌќ¬: ћ<=1
—емантическа€ сеть
–исунок 7 -  лассическа€ когнитивна€ карта, отражающа€ систему детерминации класса: Ђќкупаемость удобрений зерном, кг/кг- 4/4ї
ѕостроение интегральных когнитивных моделей
ќбобщенные когнитивные карты позвол€ют объединить в одной графической форме семантические сети классов и факторов, объединенных нейронной сетью. ≈сли объединить несколько классических когнитивных карт на одной диаграмме и изобразить на ней также св€зи между нейронами в форме семантической сети классов, то получим обобщенную (интегральную) когнитивную карту.
»нтегральна€ когнитивна€ карта представл€ет собой систему из семантических сетей классов и значений факторов, при которой каждый класс соединен как нелокальный нейрон лини€ми детерминации с системой детерминирующих его значений факторов.
св€зь >0:
- св€зь <0:
¬ес св€зи - толщина линии, показаны =>10
CopuRight —сЁ Scientific & industrial enterprise AIDOS, Russia, 1979-2007. Russian Patent No 940217. All Rights Reserued. »Ќ“≈√–јЋ№Ќјя  ќ√Ќ»“»¬Ќјя  ј–“ј: «јƒјЌ»≈ N 10 ( —≈ћјЌ“»„≈— »≈ —≈“» Ќ≈…–ќЌќ¬ » –≈÷≈ѕ“ќ–ќ¬ — Ќ≈…–ќЌЌќ… —≈“№ё ) —емантическа€ сеть Ќ≈…–ќЌќ¬: N<=4
—емантическа€ сеть
–исунок 8 - »нтегральна€ когнитивна€ карта є 20
Ќа рисунке 8, согласно кодировке классов и признаков, видно, что переход объекта управлени€ в состо€ние соответствующее достаточно высоким значени€м уровн€ рентабельности, стоимости зерна, обуславливают предшественники эспарцет и горох, минимальные затраты на удобрени€. ѕреп€тствует данному состо€нию -зернопропашной севооборот.
ћаксимальному содержанию белка в зерна, который в свою очередь имеет высокий уровень сходства с уровнем рентабельности от 58 до 102%, способствует зернотрав€нопропашный севооборот и преп€тствует незначительные затраты на удобрени€.
св€зь >0:
- св€зь <0:
¬ес св€зи - толщина линии, показаны =>10
CopuRight (с) Scientific 8 industrial enterprise AID0S, Russia, 1979-2007. Russian Patent No 940217. All Rights Reserued. »Ќ“≈√–јЋ№Ќјя  ќ√Ќ»“»¬Ќјя  ј–“ј: «јƒјЌ»≈ N 46 ( —≈ћјЌ“»„≈— »≈ —≈“» Ќ≈…–ќЌќ¬ » –≈÷≈ѕ“ќ–ќ¬ — Ќ≈…–ќЌЌќ… —≈“№ё ) —емантическа€ сеть Ќ≈…–ќЌќ¬: N<=4
—емантическа€ сеть
–исунок 9- »нтегральна€ когнитивна€ карта є 46
¬ то же врем€, согласно интегральной когнитивной карте є 46 (рисунок 9), переход в состо€ние высокого содержание белка в зерне обуславливают: хорошо увлажненный (72-94 мм) слой почвы на период весенней вегетации;
6
минимальное количество осадков на период от колошение до созревани€; незначительной содержание азота в почве в фазу выхода растений в трубку (10,5-17,2 мг/кг); незначительное содержание влаги в слое почвы 0-30 см на период полной спелости (29-41 мм). ѕреп€тствует - сильно увлажненна€ почва на период колошени€, большое количество осадков на период весенне-летней вегетации, высокий температурный режим.
«аключение
¬ работе решены задачи идентификации, прогнозировани€, поддержки прин€ти€ управленческих решений и исследовани€ системно-когнитивной модели, согласно этапам, отраженные в первой части статьи.
— использованием метода и инструментари€ системно-когнитивного анализа [7, 8, 9] предложены методика прогнозировани€ и прин€ти€ управленческих решений по выбору агротехнологий производства зерна озимой пшеницы, с высокой веро€тностью (верификаци€ данной модели определило ее высокую адекватность) обеспечивающа€ желаемый хоз€йственный и финансово-экономический результат.
ѕри этом в созданных модел€х впервые в отечественной науке исследовано вли€ние на хоз€йственные, энергетические и финансово-экономические результаты всех видов факторов, вли€ющих на эти результаты: природных, агротехнологических, энергетических и финансово-экономических.
ѕредставленные в стать€х выводы и предлагаемые на основе моделей рекомендации, совпадают с мнени€ми экспертов, но в отличие от последних, имеет количественное выражение. ¬ то же врем€ они могут отличатьс€ в детал€х дл€ разных хоз€йств и регионов. — -анализ позвол€ет уточн€ть эти знани€, внос€ локальные особенности, а также учитывать изменени€, происход€щие в динамике.
Ћитература
1. Ћуценко, ≈.¬.  огнитивные функции как адекватный инструмент дл€ формального представлени€ причинно-следственных зависимостей /≈.¬. Ћуценко // ѕолитематический сетевой электронный научный журнал  убанского государственного аграрного университета (Ќаучный журнал  уб√ј”) [Ёлектронный ресурс]. -  раснодар:  уб√ј”, 2010. - є09(63). —. 1 - 231.
2. Ћуценко, ≈.¬. ћетод визуализации когнитивных функций - новый инструмент исследовани€ эмпирических данных большой размерности / ≈.¬. Ћуценко, ј.ѕ. “рунев, ƒ. . Ѕандык // ѕолитематический сетевой электронный научный журнал  убанского государственного аграрного университета (Ќаучный журнал  уб√ј”) [Ёлектронный ресурс]. -  раснодар:  уб√ј”, 2011. - є03(67). —. 240 - 282.
3. Ћуценко, ≈. ¬. ѕрогнозирование и прин€тие решений в растениеводстве с применением технологий искусственного интеллекта: ћонографи€ (научное издание) / ≈. ¬. Ћуценко, ¬. ». Ћойко, Ћ. ќ. ¬еликанова. -  раснодар:  уб√ј”, 2008. - 257 с.
4. Ћуценко ≈.¬. —интез системно-когнитивной модели природно-экономической системы и ее использование дл€ прогнозировани€ и управлени€ в зерновом производстве („асть 1 - постановка задачи) / ≈.¬. Ћуценко,  .Ќ. √орпинченко // ѕолитематический сетевой электронный научный журнал  убанского государственного аграрного университета (Ќаучный журнал  уб√ј”) [Ёлектронный ресурс]. -  раснодар:  уб√ј”, 2013. - є05(089). —. 1280 - 1293. - IDA [article ID]: 0891305089. - –ежим доступа: http://ej.kubagro.ru/2013/05/pdf/89.pdf, 0,875 у.п.л., импакт- фактор –»Ќ÷=0,581
5. Ћуценко ≈.¬. —интез системно-когнитивной модели природно-экономической системы и ее использование дл€ прогнозировани€ и управлени€ в зерновом производстве („асть 2 - преобразование эмпирических данных в информацию) / ≈.¬. Ћуценко,  .Ќ. √орпинченко // ѕолитематический сетевой электронный научный журнал  убанского государственного аграрного университета (Ќаучный журнал  уб√ј”) [Ёлектронный ресурс]. -  раснодар:  уб√ј”, 2013. - є05(089). —. 1294 - 1312. - Ўј [article ID]: 0891305090. - –ежим доступа: http://ej.kubagro.ru/2013/05/pdf/90.pdf, 1,188 у.п.л., импакт-фактор –»Ќ÷=0,581
6. Ћуценко ≈.¬. —интез системно-когнитивной модели природно-экономической системы, ее использование дл€ прогнозировани€ и управлени€ в зерновом производстве („асть 3 - прогнозирование и прин€тие решений) / ≈.¬. Ћуценко,  .Ќ. √орпинченко // ѕолитематический сетевой электронный научный журнал  убанского государственного аграрного университета (Ќаучный журнал  уб√ј”) [Ёлектронный ресурс].
-  раснодар:  уб√ј”, 2013. - є06(090). - IDA [article ID]: 0901306059. - –ежим доступа: http://ej.kubagro.ru/2013/06/pdf/59.pdf, 0,625 у.п.л., импакт- фактор –»Ќ÷=0,581
7. Ћуценко ≈.¬. 30 лет системе ЂЁйдосї - одной из старейших отечественных универсальных систем искусственного интеллекта, широко приметаемых и развивающихс€ и в насто€щее врем€ /≈.¬. Ћуценко // ѕолитематический сетевой электронный научный журнал  убанского государственного аграрного университета (Ќаучный журнал  уб√ј”) [Ёлектронный ресурс]. -  раснодар:  уб√ј”, 2009. - є10(054). —. 48 -77. - Ўифр »нформрегистра: 0420900012\0110, √ќј [article √ќ]: 0540910004. - –ежим доступа: http://ej.kubagro.ru/2009/10/pdf/04.pdf, 1,875 у.п.л., импакт- фактор –»Ќ÷=0,581
8. Ћуценко ≈.¬. ”ниверсальна€ когнитивна€ аналитическа€ система ЂЁйдос-’++ї / ≈.¬. Ћуценко // ѕолитематический сетевой электронный научный журнал  убанского государственного аграрного университета (Ќаучный журнал  уб√ј”) [Ёлектронный ресурс]. - раснодар:  уб√ј”, 2012. - є09(083). —. 328 - 356. - √ќј [article √ќ]: 0831209025. - –ежим доступа: http://ej.kubagro.ru/2012/09/pdf/25.pdf, 1,812 у.п.л., импакт-фактор –»Ќ÷=0,581
9. Ћуценко ≈.¬. “еоретические основы, технологи€ и инструментарий автоматизированного системно-когнитивного анализа и
6
возможности его применени€ дл€ сопоставимой оценки эффективности вузов / ≈.¬. Ћуценко, ¬.≈.  оржаков // ѕолитематический сетевой электронный научный журнал  убанского государственного аграрного университета (Ќаучный журнал  уб√ј”) [Ёлектронный ресурс]. - раснодар:  уб√ј”, 2013. - є04(088). —. 340 - 359. - Ўј [article √ќ]: 0881304022. - –ежим доступа: http://ej.kubagro.ru/2013/04/pdf/22.pdf, 1,25 у.п.л., импакт-фактор –»Ќ÷=0,581
References
1. Lucenko, E.V. Kognitivnye funkcii kak adekvatnyj instrument dlja formal'nogo predstavlenija prichinno-sledstvennyh zavisimostej / E.V. Lucenko // Politematicheskij setevoj jelektronnyj nauchnyj zhumal Kubanskogo gosudar-stvennogo agramogo universiteta (Nauchnyj zhumal KubGAU) [Jelektronnyj re-surs], - Krasnodar: KubGAU, 2010. -є09(63). S. 1-231.
2. Lucenko, E.V. Metod vizualizacii kognitivnyh funkcij - novyj inst-rument issledovanija jempiricheskih dannyh bol'shoj razmernosti / E.V. Lucenko, A.P. Trunev, D.K. Bandyk // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agramogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs], - Krasnodar: KubGAU, 2011. - є03(67). S. 240 - 282.
3. Lucenko, E. V. Prognozirovanie i prinjatie reshenij v rastenievodstve s primeneniem tehnologij iskusstvennogo intellekta: Monografija (nauchnoe iz-danie) / E. V. Lucenko, V. I. Lojko, L. O. Velikanova. - Krasnodar: KubGAU, 2008. - 257 s.
4. Lucenko E.V. Sintez sistemno-kognitivnoj modeli prirodno-jekonomicheskoj sistemy i ee ispol'zovanie dlja prognozirovanija i upravlenija v zernovom proizvodstve (Chast1 1 - postanovka zadachi) / E.V. Lucenko, K.N. Gor-pinchenko // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agramogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektron-nyj resurs], - Krasnodar: KubGAU, 2013. - є05(089). S. 1280- 1293. - IDA [article ID]: 0891305089. -Rezhim dostupa: http://ej.kubagro.ru/2013/05/pdf/89.pdf, 0,875 u.p.l., impakt-faktor RINC=0,581
5. Lucenko E.V. Sintez sistemno-kognitivnoj modeli prirodno-jekonomicheskoj sistemy i ee ispol'zovanie dlja prognozirovanija i upravlenija v zernovom proizvodstve (Chast1 2 - preobrazovanie jempiricheskih dannyh v in-formaciju) / E.V. Lucenko, K.N. Gorpinchenko // Politematicheskij setevoj jelek-tronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agramogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs], - Krasnodar: KubGAU, 2013. - є05(089). S. 1294 - 1312. - IDA [article ID]: 0891305090. - Rezhim dostupa: http://ej.kubagro.ru/2013/05/pdf/90.pdf, 1,188 u.p.l., impakt-faktor RINC=0,581
6. Lucenko E.V. Sintez sistemno-kognitivnoj modeli prirodno-jekonomicheskoj sistemy, ee ispol'zovanie dlja prognozirovanija i upravlenija v zernovom proizvodstve (Chast' 3 - prognozirovanie i prinjatie reshenij) / E.V. Lucenko, K.N. Gorpinchenko // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agramogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs], - Krasnodar: KubGAU, 2013.
- є06(090). - IDA [article ID]: 0901306059. - Rezhim dostupa: http://ej.kubagro.ru/2013/06/pdf/59.pdf, 0,625 u.p.l., impakt-faktor RINC=0,581
7. Lucenko E.V. 30 let sisteme ЂJejdosї - odnoj iz starejshih otechestven-nyh universal'nyh sistem iskusstvennogo intellekta, shiroko primenjaemyh i razvivajushhihsja i v nastojashhee vremja / E.V. Lucenko // Politematicheskij setevoj jelektronnyj nauchnyj zhumal Kubanskogo gosudarstvennogo agramogo universi-teta (Nauchnyj zhumal KubGAU) [Jelektronnyj resurs], - Krasnodar: KubGAU, 2009. - є10(054). S. 48 - 77. - Shifr Informregistra: 0420900012\0110, IDA [article ID]: 0540910004. - Rezhim dostupa: http://ej.kubagro.ru/2009/10/pdf/04.pdf, 1,875 u.p.l., impakt-faktor RINC=0,581
8. Lucenko E.V. Universal'naja kognitivnaja analiticheskaja sistema ЂJej-dos-H++ї / E.V. Lucenko // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agramogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs], - Krasnodar: KubGAU, 2012.
- є09(083). S. 328 - 356. - IDA [article ID]: 0831209025. - Rezhim dostupa: http://ej.kubagro.ru/2012/09/pdf/25.pdf, 1,812 u.p.l., impakt-faktor RINC=0,581
9. Lucenko E.V. Teoreticheskie osnovy, tehnologij a i instrumentarij av-tomatizirovannogo sistemno-kognitivnogo analiza i vozmozhnosti ego primene-nija dlja sopostavimoj ocenki jeffektivnosti vuzov / E.V. Lucenko, V.E. Korzhakov // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudar-stvennogo agramogo universiteta (Nauchnyj zhumal KubGAU) [Jelektronnyj re-surs], - Krasnodar: KubGAU, 2013. - є04(088). S. 340 - 359. - IDA [article ID]: 0881304022. - Rezhim dostupa: http://ej.kubagro.ru/2013/04/pdf/22.pdf, 1,25 u.p.l., impakt-faktor RINC=0,581

пїњ